首页期刊导航|工业控制计算机
期刊信息/Journal information
工业控制计算机
工业控制计算机

刘海青

月刊

1001-182X

ipcm_nj@163.com

025-85411811

210042

南京市龙蟠路173号江苏省计算技术研究所

工业控制计算机/Journal Industrial Control Computer
查看更多>> 本刊是中国计算机学会工业控制计算机专委会会刊,国际国内公开发行,国内刊号为:CN32-1764/TP,国际刊号为:ISSN 1001-182X,订阅代号为:28-60,月刊,定价8.00元。本刊是《中国学术期刊综合评价数据库》来源期刊,由《中国期刊网》、《中国学术期刊(光盘版)》、《中国核心期刊(遴选)数据库》全文收录。自1988年创刊至今,始终坚持科研与生产相结合,关注工业自动化领域的最新技术与应用,为建立工控厂商与用户之间的良好沟通渠道而不懈努力。 经过10余年的建设,读者群涵盖电力、机械、石化、冶金、交通、通信、水利、轻工、医药、环保、智能建筑、仪器仪表等多个领域,成为国内知名的专业技术期刊之一,得到了广大工控、自动化界人士的认可。 随着数字化、智能化的发展,企业信息化的需要,以及计算机技术在各个领域的应用日益深入,我刊将发挥更大的影响。
正式出版
收录年代

    基于傅里叶描述子的手势识别方法

    邢益良雷华军
    77-79,82页
    查看更多>>摘要:手势识别是计算机视觉人机交互应用领域关键技术,手势轮廓携带有手势重要特征,准确捕获手势轮廓对提高手势识别具有重要意义.针对手掌轮廓特征提取困难和手势识别率低问题,提出了基于傅里叶描述子的手势识别方法,按照候选窗口最大轮廓傅里叶描述子匹配度和置信度分割出手掌区域;跟踪手掌轮廓计算其傅里叶描述子得到手势轮廓特征值;将 16 个手势轮廓特征值作为BP人工神经网络的输入,利用BP人工神经网络识别手势.实验表明,该方法能有效捕获手势轮廓和识别 19 种手势,具有识别率高、性能优良和鲁棒性好等优点.

    手势识别傅里叶描述子手势轮廓人工神经网络候选窗口

    基于YOLOv5的小动物目标检测算法研究

    汪香念饶红霞谢家豪
    80-82页
    查看更多>>摘要:针对现有变电站入侵检测算法误报率高、对小目标检测精度低等问题,提出了一种基于改进YOLOv5 的变电站入侵小动物目标检测算法.将SENet通道注意力模块和卷积注意力模块(CBAM)中的激活函数改进为HardSwish函数,并在主干网络和颈部网络中分别引入改进后的SENet_H模块和CBAM_H模块;采用空洞空间池化金字塔(ASPP)对空间金字塔池化进行优化,并在检测端增加一个小目标检测层,以提高对小动物的检测精度.此外,还构建了小动物数据集,并采用9-Mosaic数据增强方式,丰富了样本目标.实验结果表明:改进后的小动物目标检测算法相较于原YOLOv5 算法精确率提升了 11.6%,召回率提升了 10.2%,平均精度均值提升了 8.1%.

    目标检测注意力机制空洞空间池化金字塔小动物检测

    结合迁移学习和集成学习的岩石识别卷积神经网络模型

    张龙昊张超群汤卫东刘成星...
    83-84,87页
    查看更多>>摘要:针对岩石智能识别的研究总体较少,且识别准确率较低的问题,提出一种结合迁移学习和集成学习方法的岩石识别卷积神经网络模型TF_MDR_Fusion,其主要结合迁移学习思想,对MobileNetV3_Large、DenseNet121 和ResNet50 这3 种模型在ImageNet数据集上进行预训练,通过集成学习方法将 3 种模型结合进一步提高岩石识别的性能.通过对比实验和消融实验,其结果均表明TF_MDR_Fusion模型比单个模型表现更出色,其对于岩石图像识别的准确率为 77.60%,可为岩石智能识别提供有力支持.

    卷积神经网络迁移学习集成学习岩石识别

    基于改进YOLOv7箱式货物目标检测研究

    吕雪峰
    85-87页
    查看更多>>摘要:针对箱式货物集中摆放以致于难以实现该精度目标识别问题,提出了一种基于YOLOv7 网络的改进方法,并将其应用于箱式目标集中摆放中进行检测.由于在拆垛时箱式货物通常堆叠在一起,相互遮挡,这使得目标检测模型难以准确地识别每个箱子的位置和边界框,再加上复杂恶劣的工业环境,难以实现更快速注意目标,因此在原有的YOLOv7 网络中添加CBAM注意力机制,通过通道注意力模块和空间注意力模块实现更快捷和高效地分析复杂场景信息,进而达到实时性目标,使得拆垛机器人可以更快、更精准识别定位目标货物,进而执行抓取动作;此外,更换损失函数Focal Loss旨在缓解模型在大多数易分类的负样本上训练过于自信的问题,从而改善难以分类的正样本的检测效果.

    目标检测注意力机制损失函数

    基于轻量化YOLO网络的热轧带钢表面缺陷检测

    夏旭阮佩
    88-90页
    查看更多>>摘要:针对热轧带钢表面缺陷检测中检测精度不高、卷积特征对尺度敏感的问题,设计了高效的特征提取模块(FEM)和增强的多尺度特征模块(MFM),并提出了一种基于深度学习的轻量化的热轧带钢表面缺陷检测方法,即Better Lightweight YOLO(BL-YOLO).实验结果表明,该缺陷检测网络在性能和消耗之间达到了很好的平衡,以 61.9 fps达到了 80.1的mAP.

    深度学习缺陷检测NEU-DET轻量化技术多尺度策略

    基于三维虚拟的港口作业调度模拟算法设计与实现

    刘宏策沈阅
    91-92,95页
    查看更多>>摘要:在模拟港口调度情况时,由于对实际环境数据的同步处理难度较大,导致模拟结果与实际情况存在较大误差,为此,提出三维虚拟港口调度模拟算法设计与实现研究.使用OPT-EVC2-J2201 视觉控制装置作为港口三维虚拟视觉数据的采集载体,借助该装置的高动态范围CMOS传感器、高速调谐激光功能与增益以及窄带滤光片去除港口水面镜面效应干扰,实现准确的三维虚拟视觉数据采集,包括港口目标物体积、点云、定位坐标信息.基于采集到的三维虚拟视觉数据下的船舶信息,建立具有逼真感的虚拟港口环境.在港口调度方面,设计合适的调度方案,模拟船舶进港过程中的行为.整个调度过程通过模拟、控制船舶行驶状态,降低碰撞事故风险来优化港口资源利用.在测试结果中,船只等待时间的最大值和最小值的误差均稳定在 1.0 min以内.

    三维虚拟港口调度模拟视觉控制装置三维虚拟视觉数据船只状态

    移动边缘计算中无人机三维轨迹和计算卸载的联合优化策略研究

    彭振春王涛刘含朱耀辉...
    93-95页
    查看更多>>摘要:无人机辅助的移动边缘计算逐渐成为新一代移动通信网络的研究热点.针对联合无人机三维轨迹和卸载策略优化的路径规划问题进行研究,通过联合优化无人机 3D飞行动作和用户卸载方式考虑无人机能效最大化.仿真实验表明,与其他基准算法相比,提出的基于深度强化学习的联合无人机三维轨迹和卸载策略优化的路径规划算法(DRL-PPO3DTUO)收敛更快,能获取显著性能增益.

    深度强化学习移动边缘计算无人机路径规划

    基于卷积神经网络的安检X光图像违禁品多标签识别

    杨登杰江式坤周亮
    96-97页
    查看更多>>摘要:在安全检查工作中,违禁品的检测与识别仍然过度依赖于安检员的视觉经验.如何自动判别出X光图像中存在的常见违禁品,进而辅助安检员进行决策,成为安检领域的一个亟待解决的问题.基于深度学习技术研究安检X光图像中的违禁品多标签识别方法.通过引入multi-hot向量标注法对安检X光数据集进行标注,迁移训练Darknet-53 卷积神经网络实现对X光图像中违禁品的类别判定.实验结果表明,安检X光图像违禁品多标签识别平均精度达到了 98%以上,满足现实安检场景下的应用需求.

    卷积神经网络安检X光图像违禁品多标签识别

    基于YOLOv8的路面病害识别方法研究

    王宏宇韩笑宋席发苏杰...
    98-99,101页
    查看更多>>摘要:路面病害自动识别是道路养护领域研究热点,其中如何提高路面病害自动识别率和精确度是研究者关注的重点.提出了基于YOLOv8 模型的路面病害识别方法,该方法利用YOLOv8 模型对图像预处理后的数据集进行训练,生成训练模型,以识别路面病害图像.实验结果表明,采用该方法进行路面病害识别,检测精度达到 94.6%,模型性能指标F1 值达到 0.94,取得了良好的识别效果.

    路面检测YOLOv8VGG16图像预处理

    图像数据处理模型训练系统设计与实现

    杨政徐亮廖一星王亮...
    100-101页
    查看更多>>摘要:结合复杂图像数据处理及模型训练应用场景需求,开展图像数据处理系统模块化设计与搭建工作,将图像处理功能单元及模型库进行封装处理,同时搭建训练及接口并通过构建API进行功能和处理模型的调度,并实现功能单元和模型快速组合与应用,以此解决图像数据处理耗时长、处理工作量大以及图像数据的模型训练不及时等问题,为机器视觉技术在产品外观缺陷识别、缺陷目标特征定位及检测等应用方面提供理论支撑和技术参考.

    图像数据模型训练模块化设计